初始建立好的虚拟环境已经有pip工具了，接着还是按照最初的步骤安装Tensorflow。点击图1-10上绿色的“+”号键，表示新安装一个库或插件，然后在出现的搜索框中搜索tensorflow，找到后点击“Install Package”就好了，图1-11所示，而不需要你亲自码代码 pip install tensorflow，真的是方面快捷。
图1-11
提示安装完成后，我们最后来验证是否真正安装成功，File > New Project，新建一个名字为tensorflow的项目，图1-12，注意“Interpreter”处已经有了刚刚建立的虚拟环境，在该虚拟环境下新建一个项目，并开展相关的数据挖掘工作就是我们以后将要做的事情了。接着在该项目下新建一个test.py的文件，输入import tensorflow，没有报错的话证明Tensorflow安装成功。
图1-12
至此，我们的工具，环境都已经安装，配置好了，下面的章节我们将了解Tensorflow的概念和用法，开始我们的数据科学之旅。
1.2. Tensorflow基本概念 1.2.1. 声明Tensor在Tensorflow中，tensor是数据的核心单元，也可以称作向量或多维向量，一个tensor组成了一个任意维数的数组的初始值模型，而一个tensor的秩（rank）是就是它的维数，这里有一些例子。
3 #秩为0的tensor，是一个标量，shape[] [1., 2., 3.] #秩为1的tensor，是一个向量，shape[3] [1., 2., 3.], [4., 5., 6.]] #秩为2的tensor,是一个矩阵，shape[2,3] [[[1., 2., 3.]], [[7., 8., 9.]]] #秩为3的tensor,shape[2, 1, 3]
如何声明一个tensor？请参见如下代码。
import tensorflow as tf #声明固定tensor zero_tsr = tf.zeros([2, 3]) #声明一个2行3列矩阵，矩阵元素全为0 filled_tsr = tf.fill([4, 3], 42) #声明一个4行3列的矩阵，矩阵元素全部为42 constant_tsr = tf.constant([1, 2, 3]) #声明一个常量，行向量[1 2 3] #声明连续tensor linear_tsr = tf.range(start=6, limit=15, delta=3) #[6, 9, 12] #声明随机tensor randnorm_tsr = tf.random_normal([2, 3], mean=0.0, stddev=1.0) #[[ 0.68031377 1.2489816 -1.50686061], [-1.37892687 -1.04466891 -1.21666121]]
注意，tf.constant()函数可以用来把一个值传播给一个数组，比如通过这样的声明tf.constant(42, [4, 3])来模拟tf.fill([4, 3], 42)的行为。
1.2.2. 变量和占位符 1.2.2.1. 变量变量是算法的参数，Tensorflow追踪这些变量并在算法中优化他们。Variable()函数用来声明一个变量，并把一个tensor作为输入，同时输出一个变量。使用该函数仅仅是声明了变量，我们还需要初始化变量，以下代码是关于如果声明和初始化一个变量的例子。
my_var = tf.Variable(tf.zeros([2,3])) init = tf.global_variables_initializer() print(sess.run(init)) print(sess.run(my_var)) ---result [[ 0. 0. 0.] [ 0. 0. 0.]]